論文の概要: Supervised binary classification of small-scale digit images and weighted graphs with a trapped-ion quantum processor
- arxiv url: http://arxiv.org/abs/2406.12007v2
- Date: Thu, 29 May 2025 15:45:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-05-30 18:14:07.273149
- Title: Supervised binary classification of small-scale digit images and weighted graphs with a trapped-ion quantum processor
- Title（参考訳）: 量子プロセッサを用いた小型ディジット画像と重み付きグラフの教師付きバイナリ分類
- Authors: Ilia V. Zalivako, Alexander I. Gircha, Evgeniy O. Kiktenko, Anastasiia S. Nikolaeva, Denis A. Drozhzhin, Alexander S. Borisenko, Andrei E. Korolkov, Nikita V. Semenin, Kristina P. Galstyan, Pavel A. Kamenskikh, Vasilii N. Smirnov, Mikhail A. Aksenov, Pavel L. Sidorov, Ksenia Yu. Khabarova, Aleksey K. Fedorov, Nikolay N. Kolachevsky, Ilya A. Semerikov,
- Abstract要約: 捕捉された171ドルYb$+$イオンに基づく量子プロセッサのベンチマーク結果を示す。
リングトポロジを持つ小さな二進数画像と重み付きグラフの2種類のデータセットに対して、教師付き二進分類を行う。
- 参考スコア（独自算出の注目度）: 56.089799129458875
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Here we present the results of benchmarking a quantum processor based on trapped $^{171}$Yb$^{+}$ ions by performing basic quantum machine learning algorithms. Using a quantum-enhanced support vector machine algorithm with up to five qubits we perform a supervised binary classification on two types of datasets: small binary digit images and weighted graphs with a ring topology. For the first dataset, images are intentionally selected so that they could be classified with 100% accuracy. This allows us to specifically examine different types of quantum encodings of the digit dataset and study the impact of experimental noise. In the second dataset, graphs are divided into two categories based on the spectral structure of their Ising Hamiltonian models, which is related to the NP-hard problem. For this problem we consider an embedding of an exponentially large Hamiltonian spectrum into an entangled state of a linear number of qubits. For both problems, we study various levels of circuit optimization and found that, for all experiments conducted, we achieve classifiers with 100% accuracy on both training and testing datasets. This demonstrates that the quantum processor has the ability to correctly solve the basic classification task under consideration. As we expect, with the increase in the capabilities of quantum processors, they can be utilized for solving machine learning tasks.
- Abstract（参考訳）: ここでは、基本量子機械学習アルゴリズムを実行することにより、捕捉された$^{171}$Yb$^{+}$イオンに基づく量子プロセッサのベンチマーク結果を示す。
最大5キュービットの量子強化サポートベクターマシンアルゴリズムを用いて、小さな二進数画像とリングトポロジーを持つ重み付きグラフの2種類のデータセットに対して、教師付きバイナリ分類を行う。
最初のデータセットでは、画像が100%精度で分類できるように意図的に選択される。
これにより、ディジットデータセットの異なる種類の量子符号化を具体的に調べ、実験ノイズの影響を調べることができる。
第2のデータセットでは、グラフはNPハード問題に関連するIsing Hamiltonianモデルのスペクトル構造に基づいて2つのカテゴリに分けられる。
この問題に対して、指数関数的に大きなハミルトンスペクトルを線形数 qubit の絡み合った状態に埋め込むことを考える。
両問題とも,回路最適化のレベルについて検討し,すべての実験において,トレーニングとテストの両方において100%の精度で分類器を達成できることを見出した。
このことは、量子プロセッサが考慮されている基本的な分類タスクを正しく解く能力を持っていることを示している。
期待通り、量子プロセッサの能力の増大により、機械学習タスクの解決に利用することができる。
関連論文リスト
- An Efficient Quantum Classifier Based on Hamiltonian Representations [50.467930253994155]
量子機械学習(QML)は、量子コンピューティングの利点をデータ駆動タスクに移行しようとする分野である。
入力をパウリ弦の有限集合にマッピングすることで、データ符号化に伴うコストを回避できる効率的な手法を提案する。
我々は、古典的および量子モデルに対して、テキストおよび画像分類タスクに対する我々のアプローチを評価する。
論文 参考訳（メタデータ） (2025-04-13T11:49:53Z) - Quantum ensemble learning with a programmable superconducting processor [21.725285453891022]
AdaBoost.Qは、古典的適応ブースティング(AdaBoost)アルゴリズムの量子適応である。
我々は,プログラム可能な超伝導プロセッサに対するアプローチの汎用性を実験的に実証した。
1万以上のテストサンプルに対して,10クラス分類タスクに対して86%以上の精度を達成し,1,564以上の量子特徴認識タスクに対して100%の精度を達成した。
論文 参考訳（メタデータ） (2025-03-14T03:30:34Z) - Quantum machine learning for multiclass classification beyond kernel methods [21.23851138896271]
本稿では,実世界の応用において,量子カーネル法がマルチクラス分類の効率を高めることを示す量子アルゴリズムを提案する。
量子シミュレーションの結果、量子アルゴリズムは6つの現実世界の分類問題に対処する点で古典的よりも優れていたことが判明した。
論文 参考訳（メタデータ） (2024-11-05T08:58:30Z) - The curse of random quantum data [62.24825255497622]
量子データのランドスケープにおける量子機械学習の性能を定量化する。
量子機械学習におけるトレーニング効率と一般化能力は、量子ビットの増加に伴い指数関数的に抑制される。
この結果は量子カーネル法と量子ニューラルネットワークの広帯域限界の両方に適用できる。
論文 参考訳（メタデータ） (2024-08-19T12:18:07Z) - Quadratic speed-ups in quantum kernelized binary classification [1.3812010983144802]
量子カーネルをデータ間の類似性の尺度として使用するいくつかの量子機械学習アルゴリズムが登場し、量子状態として符号化されたデータセットのバイナリ分類を実行するようになった。
本稿では,QKCに対する新しい量子回路を提案し,量子ビットの数を1つ減らし,サンプルデータに対して回路深さを線形に減らした。
Irisデータセットの数値シミュレーションにより,従来の手法よりも2次的な高速化を検証した。
論文 参考訳（メタデータ） (2024-03-26T07:39:48Z) - Realization of quantum algorithms with qudits [0.7892577704654171]
我々は、量子アルゴリズムの効率的な実現に、マルチレベル量子システム(quditsとしても知られる)をどのように利用できるかを示すいくつかのアイデアをレビューする。
我々は,マルチキュービットゲートの分解を簡略化するためのキューディットの活用技術と,単一キューディットで複数のキュービットを符号化することで量子情報を圧縮する技術に焦点をあてる。
これらの理論スキームは、閉じ込められたイオン、中性原子、超伝導接合、量子光など、様々な性質の量子コンピューティングプラットフォームで実装することができる。
論文 参考訳（メタデータ） (2023-11-20T18:34:19Z) - Oblivious Quantum Computation and Delegated Multiparty Quantum
Computation [61.12008553173672]
本稿では、入力量子ビットの秘密性と量子ゲートを識別するプログラムを必要とする新しい計算量子計算法を提案する。
本稿では,この課題に対する2サーバプロトコルを提案する。
また,従来の通信のみを用いて,複数のユーザがサーバにマルチパーティ量子計算を依頼する多パーティ量子計算についても論じる。
論文 参考訳（メタデータ） (2022-11-02T09:01:33Z) - Quantum algorithm for neural network enhanced multi-class parallel
classification [0.3314882635954752]
提案アルゴリズムは,高い分類精度,高速収束,表現能力を有する。
L$クラスの分類タスクでは、量子回路の空間と時間の複雑さはそれぞれ$O(L*logL)$と$O(logL)$である。
論文 参考訳（メタデータ） (2022-03-08T14:06:13Z) - Facial Expression Recognition on a Quantum Computer [68.8204255655161]
量子機械学習手法を用いて表情認識の可能な解を示す。
適切に定義された量子状態の振幅に符号化されたグラフの隣接行列を操作する量子回路を定義する。
論文 参考訳（メタデータ） (2021-02-09T13:48:00Z) - Information Scrambling in Computationally Complex Quantum Circuits [56.22772134614514]
53量子ビット量子プロセッサにおける量子スクランブルのダイナミクスを実験的に検討する。
演算子の拡散は効率的な古典的モデルによって捉えられるが、演算子の絡み合いは指数関数的にスケールされた計算資源を必要とする。
論文 参考訳（メタデータ） (2021-01-21T22:18:49Z) - QUANTIFY: A framework for resource analysis and design verification of
quantum circuits [69.43216268165402]
QUINTIFYは、量子回路の定量的解析のためのオープンソースのフレームワークである。
Google Cirqをベースにしており、Clifford+T回路を念頭に開発されている。
ベンチマークのため、QUINTIFYは量子メモリと量子演算回路を含む。
論文 参考訳（メタデータ） (2020-07-21T15:36:25Z) - Quantum ensemble of trained classifiers [2.048335092363436]
量子コンピュータは、利用可能な量子ビットの数に応じて指数的に大きな状態の集合を表現することができる。
量子機械学習は、機械学習アルゴリズムを強化する量子コンピューティングの可能性を探る。
論文 参考訳（メタデータ） (2020-07-18T01:01:33Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。